【1】读入数据一种方式
input x y
1 4
2 5.5
3 6.2
4 7.7
5 8.5
end
【2】直接导入csv格式数据
insheet using name.csv, clear
【3】多重共线性
reg y x1 x2 x3
vif
【4】逐步回归
stepwise, pe(0.1): reg y x
【5】对数据进行Winsorize处理
findit winsor2
winsor2 varname, replace cut(1 99)
【6】删除重复值
sort var1 var2
duplicatesdrop var1 var2, force
【7】异方差检验及处理
检验：怀特检验
ssc install whitetst
reg
estat imtest, white
处理：“OLS+稳健标准差”
reg y x1 x2 x3, robust
【8】是否遗漏高次项
例如，检验y对x的线性回归有没有遗漏高次项
reg y x
estat ovtest
或者estat ovtest, rhs
【9】排序
gsort +x // (升序)
gsort -x // (降序)
sort x //升序；并且其它变量顺序会跟着改变
【10】添加标签
label var y "消费"
【11】关闭more选项
set more off //（如果打开该选项，那么结那么结果分屏输出，
// 即一次只输出一屏结果。你按空格键后再输出下一屏，直到全部输
// 完。如果关闭则中间不停，一次全部输出。）
【12】定义时间序列
tsset date
【13】变量重命名
help rename
help rename group
rename never_married no_marr // 单个变量重命名
rename (industry occupation) (indu occu) // 批量重命名
【14】数学表达式
help operator // 运算符
//关系运算符 ==; >; <; >=; <=; !=; ~=
sysuse "auto", clear
list price if foreign == 0
sum price if foreign != 1
//逻辑运算符： & -->( 与 ) ; | -->( 或 )
sysuse "auto", clear
sum price wei if (foreign==1 & rep78<=3)
sum price wei if (rep78==1) | (rep78==5) | (foreign !=0)
sum price wei if (rep78>2 & rep78<5) | (price>10000)
// 算术运算符： + - * / ^( 幂 )
display 5^2
dis 1 - 3*2 + 4/5 - 9^3
dis 2*_pi
【15】命令断行
//:*- 三种方式： “///” 、 “/* */” 、 #delimit 命令
//第一种断行方式： ///
sysuse "auto", clear
twoway (scatter price weight) ///
(lfit price weight), ///
title(" 散点图和线性拟合图 ")
//:第二种断行方式： /* */
twoway (scatter price weight) /*
*/ (lfit price weight), /*
*/ title(" 散点图和线性拟合图 ")
//第三种断行方式： #delimit 命令
#delimit ;
twoway (scatter price wei)
(lfit price wei),
title(" 散点图和线性拟合图 ");
#delimit cr
//Note: #delimit 可以简写为 #d , 例如 :
#d ;
des; sum; reg price wei len;
#d cr
【16】导入 Excel 数据 : import excel
shellout "auto.xls" // 打开文件 , 要写全后缀
//Note: [1] Excel 表格中有两个 sheet: domestic, foreign, 需要分别导入
//注意区分后缀 : .xls, .xlsx (Excel 2003), (Excel 2007)
import excel "auto.xls", clear sheet(domestic) firstrow
save "data_domes.dta", replace // 存储数据 sheet1
import excel "auto.xls", clear sheet(foreign) firstrow
save "data_forei.dta", replace // 存储数据 sheet2
use "data_domes.dta", clear // 纵向合并数据
append using "data_forei.dta"
browse // 浏览数据
rename foreign v1
encode v1, gen(forigen) // 字符变量 --> 数值变量
drop v1
save "data_all", replace // 保存合并后的数据
//Note:
// (1) Excel 中的变量名称必须为英文 ;
// (2) 变量名称中可以包括 #, $, &, 空格 之类的特殊符号，
//Stata 会自动忽略这些特殊符号
【17】 数据 横向合并：增加变量 -merge-
// 一对一合并 [ 1:1 ]
// 待合并的数据
use "data1.dta", clear
browse
use "data2.dta", clear
browse
//合并方法：
use "data1.dta", clear
merge 1:1 date using "data2.dta"
sort date
br
//date为接头变量
//_merge 变量的含义：
_merge==1 obs. from master data
_merge==2 obs. from only one using dataset
_merge==3 obs. from at least two datasets, master or using
【18】 标记重复的样本组合
//使用 group() 函数
use "gta_sample.dta", clear
egen sicyr = group(sicmen year), label lname(sicyr)
label list sicyr // 列示对应关系
bysort sicyr: egen sicyr_obs = count(sicyr)
sort sicyr sicyr_obs
br id sicmen year sicyr*
keep if sicyr_obs>=10 // 保留每个行业 - 年度上观察值大于 10 的样本
//Note: 这是盈余管理文献中惯用的处理方法
【19】删除重复的样本组合
use "invest3.dta", clear
xtset id t // 错误
//查验错误原因
duplicates report id t
duplicates example id t
list if id == 1
//处理方式
duplicates drop id t, force // 一定要附加 force 选项
xtset id t
【20】统计样本缺失值
【命令】nmissing or mdesc
ssc install nmissing //先下载外部命令nmissing
sysuse auto,clear
nmissing //显示所有变量的缺失数目
nmissing rep78 //显示变量rep78的缺失数
ssc install mdesc//先下载外部命令
sysuse auto,clear
mdesc
【21】删除缺漏值
egen miss=rmiss(var1, var2,……)
drop if miss!=0
//注意：第一句是生成var1， var2， 等变量中是否含有缺漏至的miss变量，如果有缺漏值miss=1第二句是把有缺漏值的去掉，因为var1， var2， 等变量中只要有一个是缺漏，miss=1 都删去
【22】缩尾处理
//原理
sum wage, detail
return list
replace wage = r(p1) if wage<r(p1) // 左侧缩尾
replace wage = r(p99) if wage>r(p99) // 右侧缩尾
//winsor/winsor2 命令
// help winsor
//help winsor2
sysuse "nlsw88.dta", clear
winsor wage, gen(wage_w2) p(0.01)
winsor2 wage, cuts(1 99)
//Note: [1] cuts(1 99) 选项可以省略，这是默认值
【23】截尾处理
sysuse "nlsw88.dta", clear
winsor2 wage, trim replace // 默认 : 1 99 双边截尾
// 原理解析
sysuse "nlsw88.dta", clear
_pctile wage, percentile(1 99)
return list
drop if wage<r(r1) // 删除小于第 1 百分位的样本
drop if wage>r(r2) // 删除大于第 99 百分位的样本
// 说明：
* (1) 可以先绘制直方图，进而根据分布情况选择左截尾、
* 右截尾还是双边截尾
* (2) 相比于 ln() 处理和 winsor 处理，该处理会损失样本
* 但对于大样本而言，该方法比较 “ 干净
